CN114422443A - 基于带宽估计和拥塞预测的卫星网络tcp拥塞控制方法 - Google Patents
基于带宽估计和拥塞预测的卫星网络tcp拥塞控制方法 Download PDFInfo
- Publication number
- CN114422443A CN114422443A CN202210077614.4A CN202210077614A CN114422443A CN 114422443 A CN114422443 A CN 114422443A CN 202210077614 A CN202210077614 A CN 202210077614A CN 114422443 A CN114422443 A CN 114422443A
- Authority
- CN
- China
- Prior art keywords
- network
- congestion
- time
- bandwidth
- sending end
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/127—Avoiding congestion; Recovering from congestion by using congestion prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/27—Evaluation or update of window size, e.g. using information derived from acknowledged [ACK] packets
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/28—Flow control; Congestion control in relation to timing considerations
- H04L47/283—Flow control; Congestion control in relation to timing considerations in response to processing delays, e.g. caused by jitter or round trip time [RTT]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/16—Implementation or adaptation of Internet protocol [IP], of transmission control protocol [TCP] or of user datagram protocol [UDP]
- H04L69/163—In-band adaptation of TCP data exchange; In-band control procedures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Radio Relay Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出了一种基于带宽估计和网络拥塞预测的卫星网络TCP协议拥塞控制方法,用于解决现有技术基于预定义的规则进行拥塞窗口的调整,预测模型和拥塞窗口增长函数复杂化,不能适应复杂、时变的网络状态的技术问题。本发明的实现步骤为:初始化参数;发送端对卫星网络带宽进行估计;发送端确定网络拥塞等级;发送端基于差分自回归移动平均ARIMA(P,D,Q)模型预测下一时刻的网络拥塞等级;发送端获取卫星网络TCP拥塞控制结果。
Description
技术领域
本发明属于卫星通信技术领域,涉及一种基于带宽估计和网络拥塞预测的卫星网络TCP协议拥塞控制方法。
背景技术
随着互联网技术的快速发展,网络业务类型和服务数量也在日益增多,地面网络通信不能满足人们的需求。由于卫星网络具有传输距离远,覆盖范围广、不受地域限制、组网灵活、生存能力强和容量大的优点,使得卫星通信技术逐渐成为信息传输的重要手段。
卫星网络具有数据往返时延长,高误码率以及双向链路不对称的特点使地面网络传输控制协议不能很好地适应卫星通信网络。大的往返时延会导致TCP协议慢启动阶段拥塞窗口增加缓慢,并且不能快速从丢包后恢复到带宽充分利用的状态;卫星反向链路带宽较小,容易造成确认包ACK压缩甚至丢失,影响拥塞窗口的增加;卫星链路高误码率的特点使得丢包很大原因是差错丢包,而传统TCP协议认为所有丢包均为拥塞丢包,一味降低拥塞窗口,减小发送速率,因此大大降低了TCP的吞吐量。卫星链路的特殊性使得传统TCP直接应用于卫星通信难以获得良好的性能,鉴于卫星网络在现代通信中占据越来越重要的地位,如何改进TCP使其能够适用于卫星网络成为非常重要的研究课题。
拥塞控制是TCP的一项重要功能。当向网络中发送的数据超过它的处理能力时,就会发生拥塞,拥塞发生的主要原因有:带宽较小、中间结点缓存容量不足、中间结点处理能力不足和网络拓扑结构不合理。较好的TCP拥塞控制算法可以有效提升TCP性能,有较强的自适应能力,可以适应复杂、时变的网络状态变化,进而在长时延、高丢包率的环境下,可以有效降低时延,保证较高的吞吐量。
现有的拥塞控制算法主要是基于现有的慢启动、拥塞避免、快恢复和快重传四种算法进行优化和补充的拥塞控制算法,或者根据网络状态参数信息估计网络拥塞状态,根据估计的网络状态进行网络拥塞控制。
针对改善拥塞窗口函数的研究,主要集中在慢启动和拥塞避免阶段。慢启动在早期采用指数函数,之后在这基础上研究了慢启动阈值估计算法,因为在动态网络中最佳慢启动阈值点是动态变化的,所以如需准确的估计慢启动的阈值,对慢启动阈值的测量需要贯穿整个慢启动阶段,复杂度高;还有许多协议采用对数函数替代指数函数,这样可以有效避免突发流量造成的网络拥塞过程,但同时也牺牲了慢启动性能。对于拥塞避免过程,例如TCPNewReno和TCP CUBIC也是预先定义了固定的拥塞窗口增长函数,在开始时执行指数增长的窗口函数,在收到三次重复的ACK后将分别执行线性增长和三次函数增长的窗口函数。与此类似,许多TCP变体也采用对数函数、二分搜索、分段函数去设计拥塞窗口增长函数。这些基于规则的拥塞控制机制,很难生成匹配真实链路状态的传输速率,这些方法的思想就是尽可能的多设计几种传输模式来提高自适应控制能力,该类拥塞控制机制为了追求更加细致的自适应传输控制能力,需要不断的研究更加细致的分段网络状态并为之建立不同的窗口增长函数,拥塞窗口增长过程始终是有限的,不能适应复杂、时变的网络状态变化,对自适应传输控制能力的提升有限。
李宁等人在2019年IEEE第19届国际通信技术会议公开了一种面向卫星网络的TCP慢启动算法,旨在克服慢启动阈值估计不准确造成的拥塞丢包,提高吞吐量性能,实现步骤为:根据窗口最大值设置一个新的阈值,将慢启动阶段分为快速启动阶段和基于带宽估计的探针收敛阶段,在快速启动阶段采用较大的初始窗口值和指数窗口增长模式,以确保高启动速度,在探针收敛阶段,通过自适应因子,使窗口增长率与链路的可用带宽相匹配。该方法是基于预定义的规则进行拥塞窗口的调整,随着网络的高动态化和复杂化,过多的网络表征参数和进一步的细化使得拥塞窗口增长函数复杂化和特定化,造成TCP协议性能提升相对有限,并且自适应性能下降。
宋宏伟在其2021年发表的论文“卫星链路传输层拥塞控制研究”中,提出了一种稳妥的预测网络通信状态的拥塞避免算法,使用更加主动的带宽判别机制BDM,旨在让算法更具有竞争性,提高带宽利用率。实现步骤为:继承了传统Vegas期望吞吐量和实际吞吐量的关系Diff思想,某个传输进程结束后,下一次的RTT引起的Diff发生可检测的变化时,BDM将会立刻发送两个不携带信息的探测分组,分别为PKT1、PKT2,每个探测分组携带时间戳记录对应的RTT,按照有序化规则进入到卫星链路当中,根据反馈信息分别计算Diff1和Diff2,并和阈值比较,对网络拥塞程度进行预测,从而调整窗口的大小。该方法需要向网络中发送额外分组,占用了带宽资源,再者网络状态参数的预测精度与预测模型有极大的关系,提高模型的自适应性性能的同时,需要设计更加复杂的模型和拥塞窗口的增长规则,这种传输控制方案对TCP性能提升有限。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于带宽估计和网络拥塞预测的卫星网络TCP协议拥塞控制方法,用于解决现有技术基于预定义的规则进行拥塞窗口的调整,预测模型和拥塞窗口增长函数复杂化,不能适应复杂、时变的网络状态的技术问题。
为实现上述目的,本发明采取的技术方案包括如下步骤:
(1)初始化参数:
初始化卫星网络TCP协议的发送端向接收端连续发送K个报文,K>3,发送端收到接收端接收第k个报文后所反馈的确认包ACKk的时间为tk,ACKk确认接收的数据量为dk,发送端发送完第k个报文的最后一个比特到接收到接收端反馈的ACKk的时间间隔为往返时延RTTk,包括往返传播时延、中间结点的排队时延和中间结点的处理时延,tk时控制时间间隔的调节因子为αk;
(2)发送端对卫星网络带宽进行估计:
发送端通过所收到的连续两个确认包之间的时间间隔、往返时延RTTk和控制时间间隔的调节因子αk估计tk时卫星网络的带宽Bk:
(3)发送端确定网络拥塞等级:
(3a)发送端根据前k个带宽估计值中的最大值Bmax,以及前k个带宽估计值的平均值Bavg,计算tk时的带宽波动值Fk:
(3b)发送端根据tk时的带宽波动值Fk计算tk时的带宽波动平滑值并根据计算tk时的网络拥塞等级CLk,得到K个报文所对应的网络拥塞等级序列CL={CL1,CL2,...,CLk,...,CLK},其中:
(3c)发送端根据带宽估计值Bk划分不同的拥塞等级CLk的范围,进而将网络状态划分为过载状态、正常状态和欠载状态;
(4)发送端基于差分自回归移动平均ARIMA(P,D,Q)模型预测下一时刻,即tk+1时的网络拥塞等级CLk+1:
(4a)初始化ARIMA模型中自回归模型AR的系数为φ1,φ2,…,φp,…,φP,阶数为P,移动平均模型MA的系数为θ1,θ2,…,θq,…,θQ,阶数为Q,白噪声序列为{ε1,ε2,…,εk,…,εK},其中εk是tk时的白噪声值;
(4b)发送端对拥塞等级序列CL进行平稳化处理:
将拥塞等级序列CL经D阶差分运算后,得到平稳的拥塞等级序列CL′={CL′1,CL′2,…,CL′k,…,CL′K},其中:
D=1时,CL′k=CLk-CLk-1
D=2时,CL′k=(CLk-CLk-1)-(CLk-1-CLk-2)
以此类推就可以得到拥塞等级序列CL经过任意阶次差分后的序列;
(4c)发送端确定P和Q的范围,使用最小二乘法通过平稳的拥塞等级序列CL′对ARIMA模型参数φ1,φ2,…,φp,…,φP和θ1,θ2,…,θq,…,θQ进行估计;
(4d)发送端使用赤池信息准则AIC确定ARIMA模型中AR、MA的阶数P和Q,选取使AIC取值最小时所对应的P和Q值;
(4e)发送端预测tk+1时刻的网络拥塞等级CLk+1:
CLk+1=μ+φ1CL′k+φ2CL′k-1+…+φpCL′k-p+1+…+φPCL′k-P+1+εk+1+θ1εk+θ2εk-1+…+θqεk-q+1+…+θQεk-Q+1
其中k≥max{P,Q,K};
(5)发送端获取卫星网络TCP拥塞控制结果:
以网络拥塞等级CLk+1作为sigmod函数的自变量,以拥塞窗口的大小cwndk+1作为sigmod函数的函数值,建立拥塞窗口的大小与网络拥塞等级之间的关系曲线:
其中μk+1为tk+1时刻控制曲线变化速率的调节因子,cwndk是tk时刻的窗口大小,cwndmax是前k个拥塞窗口的最大值;
根据该曲线对拥塞窗口进行自适应调整:当网络处于欠载状态时,窗口快速增加,发送报文速率提高,进而提高网络吞吐量;当网络处于正常状态时,调整窗口大小,使发送报文速率能够维持在一个稳定的状态;当网络处于过载状态时,窗口可以快速减小,降低发送报文速率,缓解网络拥塞。
本发明与现有技术相比具有如下优点:
第一,本发明根据网络状态参数,结合卫星网络条件,调节带宽估计的时间间隔,避免带宽估计过高,使估计的带宽值更准确;然后基于估计的带宽,利用带宽利用率和带宽波动值判断网络拥塞等级,更准确的判断网络状态;之后基于自回归移动平均ARIMA(P,D,Q)模型预测下一时刻的网络拥塞等级,该模型实现简单,具备较高的预测精度,提升自适应能力的同时提高了TCP拥塞控制性能。
第二,本发明根据预测得到的网络拥塞等级,基于sigmod函数曲线,重新设计TCP拥塞窗口增长函数。该函数实现简单,且可以根据网络拥塞程度直接对TCP发送端发送报文的速率进行调整,不按照预定义的规则,使其能够根据网络变化迅速调整拥塞窗口,适应复杂、时变的网络状态。
附图说明
图1是本发明的实现流程图;
图2是本发明发送端基于ARIMA模型预测网络拥塞等级的实现流程图。
具体实施方式
下面结合附图和具体实施例,对本发明作进一步的详细描述。
参照图1,本发明包括如下步骤:
步骤1.初始化参数:
初始化卫星网络TCP协议的发送端向接收端连续发送K个报文,本实施例中K=10,发送端收到接收端接收第k个报文后所反馈的确认包ACKk的时间为tk,ACKk确认接收的数据量为dk,发送端发送完第k个报文的最后一个比特到接收到接收端反馈的ACKk的时间间隔为往返时延RTTk,包括往返传播时延、中间结点的排队时延和中间结点的处理时延,tk时控制时间间隔的调节因子为αk。
步骤2.发送端对卫星网络带宽进行估计:
发送端通过所收到的连续两个确认包之间的时间间隔、往返时延RTTk和控制时间间隔的调节因子αk估计tk时卫星网络的带宽Bk:
当拥塞窗口较小时,输入网络的流量小于带宽,这时候要关注响应性,需采用较短的计算时间间隔,当拥塞窗口较大时,突发报文聚集和确认包压缩会导致过高的估计带宽,为了减小此影响,需采用较长的计算时间间隔,因此使用控制时间间隔的调节因子αk来调节计算时间,提高带宽估计的准确性。
步骤3.发送端确定网络拥塞等级:
(3a)发送端根据前k个带宽估计值中的最大值Bmax,以及前k个带宽估计值的平均值Bavg,计算tk时的带宽波动值Fk:
评估带宽波动值Fk间接的反映了当前网络的拥塞状态。当它趋近于1时,意味着tk时带宽估计值Bk趋近于历史最大带宽估计值,表明网络状况较好,拥塞窗口可以继续增加;当它趋近于0时,意味着tk时带宽估计值Bk趋于稳定时的带宽值,拥塞窗口应该保持不变使网络处于稳定状态;而当它趋近于-1时,意味着tk时带宽估计值Bk较小,网络处于拥塞状态,此时的拥塞窗口应该减小以防止拥塞崩溃的发生;
其中βk是过滤权值,1/τ是滤波器的截止频率;
(3b)由于链路利用率Bk/Bmax和带宽波动平滑值可以反映出网络的拥塞程度,发送端根据这两者计算tk时的网络拥塞等级CLk,得到K个报文所对应的网络拥塞等级序列CL={CL1,CL2,...,CLk,...,CLK},其中:
(3c)发送端根据带宽估计值Bk划分不同的拥塞等级CLk的范围,进而将网络状态划分为过载状态、正常状态和欠载状态:
本实施例中分别已作为网络过载和欠载的分界点,当时,网络处于过载状态,需要减小窗口,降低发送端发送报文的速率,当时,网络处于正常状态,需要调整窗口,使发送报文的速率能够维持在一个稳定的状态,当时,网络处于欠载状态,这时候可以增大窗口,通过提高发送端发送报文的速率来提高吞吐量。
步骤4.发送端基于差分自回归移动平均ARIMA(P,D,Q)模型预测下一时刻,即tk+1时的网络拥塞等级CLk+1:
(4a)初始化ARIMA模型中自回归模型AR的系数为φ1,φ2,...,φp,...,φP,阶数为P,移动平均模型MA的系数为θ1,θ2,...,θq,...,θQ,阶数为Q,白噪声序列为{ε1,ε2,...,εk,...,εK},其中εk是tk时的白噪声值;
(4b)发送端对拥塞等级序列CL进行平稳化处理:
ARIMA模型适用于平稳的时间序列,对于非平稳的时间序列,则要通过D阶差分直到时间序列达到平稳。对拥塞等级序列CL进行多次差分运算,每次差分运算后使用MATLAB中的adftest函数对拥塞等级序列CL进行单位根检验,直到得到平稳的拥塞等级序列CL′={CL′1,CL′2,...,CL′k,...,CL′K},其中:
D=1时,CL′k=CLk-CLk-1
D=2时,CL′k=(CLk-CLk-1)-(CLk-1-CLk-2)
以此类推就可以得到拥塞等级序列CL经过任意阶次差分后的序列;
(4c)发送端确定P和Q的范围,使用最小二乘法通过平稳的拥塞等级序列CL′对ARIMA模型参数φ1,φ2,...,φp,...,φP和θ1,θ2,...,θq,...,θQ进行估计:
计算平稳拥塞等级序列CL′的自相关系数ACF和偏自相关系数PACF,根据ACF和PACF确定P和Q的范围,使用最小二乘法通过平稳拥塞等级序列CL′对ARIMA模型的参数φ1,φ2,...,φp,...,φP和θ1,θ2,...,θq,...,θQ进行估计,该步骤中的计算可通过MATLAB中的命令实现;
(4d)发送端使用赤池信息准则AIC确定ARIMA模型中AR、MA的阶数P和Q,选取使AIC取值最小时所对应的P和Q值:
AIC=2m-2ln(L)
其中m是ARIMA模型参数的个数,L是ARIMA模型的极大似然函数;
(4e)发送端预测tk+1时刻的网络拥塞等级CLk+1:
CLk+1=μ+φ1CL′k+φ2CL′k-1+…+φpCL′k-p+1+…+φPCL′k-P+1+εk+1+θ1εk+θ2εk-1+…+θqεk-q+1+…+θQεk-Q+1
其中k≥max{P,Q,K}。
步骤5.发送端获取卫星网络TCP拥塞控制结果:
以网络拥塞等级CLk+1作为sigmod函数的自变量,以拥塞窗口的大小cwndk+1作为sigmod函数的函数值,建立拥塞窗口的大小与网络拥塞等级之间的关系曲线:
其中μk+1为tk+1时刻控制曲线变化速率的调节因子,cwndk是tk时刻的窗口大小,cwndmax是前k个拥塞窗口的最大值,N是常数,本实施例中N=2;
当网络处于欠载状态时,随着μk+1值增大,拥塞窗口增加,发送报文的速率提高,当网络处于过载状态时,随着μk+1值增大,拥塞窗口减小,发送报文的速率降低,当网络处于正常状态时,μk+1保持一个较小的值,因此使用控制曲线变化速率的调节因子μk+1来控制曲线的变化速率,提高窗口的大小和网络拥塞的匹配程度;
根据该曲线对拥塞窗口进行自适应调整:当网络处于欠载状态时,窗口快速增加,发送报文速率提高,进而提高网络吞吐量;当网络处于正常状态时,调整窗口大小,使发送报文速率能够维持在一个稳定的状态;当网络处于过载状态时,窗口可以快速减小,降低发送报文速率,缓解网络拥塞。
Claims (4)
1.一种基于带宽估计和网络拥塞预测的卫星网络TCP协议拥塞控制方法,其特征在于,包括如下步骤:
(1)初始化参数:
初始化卫星网络TCP协议的发送端向接收端连续发送K个报文,K>3,发送端收到接收端接收第k个报文后所反馈的确认包ACKk的时间为tk,ACKk确认接收的数据量为dk,发送端发送完第k个报文的最后一个比特到接收到接收端反馈的ACKk的时间间隔为往返时延RTTk,包括往返传播时延、中间结点的排队时延和中间结点的处理时延,tk时控制时间间隔的调节因子为αk;
(2)发送端对卫星网络带宽进行估计:
发送端通过所收到的连续两个确认包之间的时间间隔、往返时延RTTk和控制时间间隔的调节因子αk估计tk时卫星网络的带宽Bk:
(3)发送端确定网络拥塞等级:
(3a)发送端根据前k个带宽估计值中的最大值Bmax,以及前k个带宽估计值的平均值Bavg,计算tk时的带宽波动值Fk:
(3b)发送端根据tk时的带宽波动值Fk计算tk时的带宽波动平滑值并根据计算tk时的网络拥塞等级CLk,得到K个报文所对应的网络拥塞等级序列CL={CL1,CL2,...,CLk,...,CLK},其中:
(3c)发送端根据带宽估计值Bk划分不同的拥塞等级CLk的范围,进而将网络状态划分为过载状态、正常状态和欠载状态;
(4)发送端基于差分自回归移动平均ARIMA(P,D,Q)模型预测下一时刻,即tk+1时的网络拥塞等级CLk+1:
(4a)初始化ARIMA模型中自回归模型AR的系数为φ1,φ2,...,φp,...,φP,阶数为P,移动平均模型MA的系数为θ1,θ2,...,θq,...,θQ,阶数为Q,白噪声序列为{ε1,ε2,...,εk,...,εK},其中εk是tk时的白噪声值;
(4b)发送端对拥塞等级序列CL进行平稳化处理:
将拥塞等级序列CL经D阶差分运算后,得到平稳的拥塞等级序列CL′={CL′1,CL′2,...,CL′k,...,CL′K},其中:
D=1时,CL′k=CLk-CLk-1
D=2时,CL′k=(CLk-CLk-1)-(CLk-1-CLk-2)
以此类推就可以得到拥塞等级序列CL经过任意阶次差分后的序列;
(4c)发送端确定P和Q的范围,使用最小二乘法通过平稳的拥塞等级序列CL′对ARIMA模型参数φ1,φ2,...,φp,...,φP和θ1,θ2,...,θq,...,θQ进行估计;
(4d)发送端使用赤池信息准则AIC确定ARIMA模型中AR、MA的阶数P和Q,选取使AIC取值最小时所对应的P和Q值;
(4e)发送端预测tk+1时刻的网络拥塞等级CLk+1:
CLk+1=μ+φ1CL′k+φ2CL′k-1+…+φpCL′k-p+1+…+φPCL′k-P+1+εk+1+θ1εk+θ2εk-1+…+θqεk-q+1+…+θQεk-Q+1
其中k≥max{P,Q,K};
(5)发送端获取卫星网络TCP拥塞控制结果:
以网络拥塞等级CLk+1作为sigmod函数的自变量,以拥塞窗口的大小cwndk+1作为sigmod函数的函数值,建立拥塞窗口的大小与网络拥塞等级之间的关系曲线:
其中μk+1为tk+1时刻控制曲线变化速率的调节因子,cwndk是tk时刻的窗口大小,cwndmax是前k个拥塞窗口的最大值;
根据该曲线对拥塞窗口进行自适应调整:当网络处于欠载状态时,窗口快速增加,发送报文速率提高,进而提高网络吞吐量;当网络处于正常状态时,调整窗口大小,使发送报文速率能够维持在一个稳定的状态;当网络处于过载状态时,窗口可以快速减小,降低发送报文速率,缓解网络拥塞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210077614.4A CN114422443B (zh) | 2022-01-24 | 2022-01-24 | 基于带宽估计和拥塞预测的卫星网络tcp拥塞控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210077614.4A CN114422443B (zh) | 2022-01-24 | 2022-01-24 | 基于带宽估计和拥塞预测的卫星网络tcp拥塞控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114422443A true CN114422443A (zh) | 2022-04-29 |
CN114422443B CN114422443B (zh) | 2023-08-15 |
Family
ID=81275644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210077614.4A Active CN114422443B (zh) | 2022-01-24 | 2022-01-24 | 基于带宽估计和拥塞预测的卫星网络tcp拥塞控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114422443B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114979010A (zh) * | 2022-05-13 | 2022-08-30 | 东南大学 | 基于决策树的tcp拥塞控制算法的主动选择系统及方法 |
CN114979011A (zh) * | 2022-05-17 | 2022-08-30 | 南京大学 | 一种应用于园区网络的拥塞控制方法 |
CN115174405A (zh) * | 2022-06-08 | 2022-10-11 | 西北大学 | 一种基于arima统计模型的带宽分配方法 |
CN115226152A (zh) * | 2022-07-21 | 2022-10-21 | 广州爱浦路网络技术有限公司 | 一种卫星网络的通信方法、系统、电子设备及存储介质 |
CN115801639A (zh) * | 2022-08-01 | 2023-03-14 | 天翼云科技有限公司 | 一种带宽探测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102664867A (zh) * | 2012-03-15 | 2012-09-12 | 南京邮电大学 | 一种卫星通信系统中的传输协议的增强方法 |
CN104202257A (zh) * | 2014-09-12 | 2014-12-10 | 大连大学 | 一种基于带宽估计的卫星网络拥塞控制方法 |
US20190140952A1 (en) * | 2017-11-07 | 2019-05-09 | Hughes Network Systems, Llc | Bottleneck bandwidth and round-trip propagation time (bbr) congestion control with random early detection (red) |
CN110730469A (zh) * | 2019-09-03 | 2020-01-24 | 西安工业大学 | 一种基于扩展卡尔曼无线网络带宽预测方法及其拥塞控制 |
CN113613286A (zh) * | 2021-09-13 | 2021-11-05 | 大连大学 | 一种天地一体化智能网络多路径拥塞控制方法 |
-
2022
- 2022-01-24 CN CN202210077614.4A patent/CN114422443B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102664867A (zh) * | 2012-03-15 | 2012-09-12 | 南京邮电大学 | 一种卫星通信系统中的传输协议的增强方法 |
CN104202257A (zh) * | 2014-09-12 | 2014-12-10 | 大连大学 | 一种基于带宽估计的卫星网络拥塞控制方法 |
US20190140952A1 (en) * | 2017-11-07 | 2019-05-09 | Hughes Network Systems, Llc | Bottleneck bandwidth and round-trip propagation time (bbr) congestion control with random early detection (red) |
CN110730469A (zh) * | 2019-09-03 | 2020-01-24 | 西安工业大学 | 一种基于扩展卡尔曼无线网络带宽预测方法及其拥塞控制 |
CN113613286A (zh) * | 2021-09-13 | 2021-11-05 | 大连大学 | 一种天地一体化智能网络多路径拥塞控制方法 |
Non-Patent Citations (2)
Title |
---|
关世杰;姜月秋;关启学;郭秦超;: "基于正向时延的卫星网络拥塞控制算法研究", 兵工学报, no. 05 * |
杨力;李静森;魏德宾;潘成胜;: "一种高动态卫星网络的拥塞控制算法", 宇航学报, no. 08 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114979010A (zh) * | 2022-05-13 | 2022-08-30 | 东南大学 | 基于决策树的tcp拥塞控制算法的主动选择系统及方法 |
CN114979011A (zh) * | 2022-05-17 | 2022-08-30 | 南京大学 | 一种应用于园区网络的拥塞控制方法 |
CN114979011B (zh) * | 2022-05-17 | 2024-03-19 | 南京大学 | 一种应用于园区网络的拥塞控制方法 |
CN115174405A (zh) * | 2022-06-08 | 2022-10-11 | 西北大学 | 一种基于arima统计模型的带宽分配方法 |
CN115226152A (zh) * | 2022-07-21 | 2022-10-21 | 广州爱浦路网络技术有限公司 | 一种卫星网络的通信方法、系统、电子设备及存储介质 |
CN115801639A (zh) * | 2022-08-01 | 2023-03-14 | 天翼云科技有限公司 | 一种带宽探测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114422443B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114422443B (zh) | 基于带宽估计和拥塞预测的卫星网络tcp拥塞控制方法 | |
CN107171842B (zh) | 基于强化学习的多路径传输协议拥塞控制方法 | |
US9112799B2 (en) | Network packet loss processing method and apparatus | |
US7336608B2 (en) | Method for adjusting a transmission rate to obtain the optimum transmission rate in a mobile ad hoc network environment | |
US8130650B2 (en) | Retro flow control for arriving traffic in computer networks | |
EP1955460B1 (en) | Transmission control protocol (tcp) congestion control using transmission delay components | |
US7301907B2 (en) | Method of controlling packet flow | |
CN110620737B (zh) | 基于延迟的自适应拥塞控制方法 | |
RU2510981C1 (ru) | Система высокоскоростной связи и способ высокоскоростной связи | |
CN111614572B (zh) | 一种基于rtt的tcp网络拥塞控制方法 | |
EP2586235B1 (en) | Method and arrangement for detecting congestion in a communications network | |
US20020071388A1 (en) | Selectable network protocol | |
CN110730469B (zh) | 一种基于扩展卡尔曼无线网络带宽预测方法及其拥塞控制 | |
CN115412497B (zh) | 一种bbr拥塞控制算法的性能优化方法 | |
CN109698925B (zh) | 基于数据驱动的实时视频拥塞控制方法及装置 | |
Lan et al. | A deep reinforcement learning based congestion control mechanism for NDN | |
KR101981722B1 (ko) | 처리율과 패킷 손실에 기반하여 cwnd를 제어하는 최적화 방법과 시스템 | |
CN114710807A (zh) | 一种面向5g毫米波通信的卡尔曼滤波动态拥塞控制方法 | |
CN114039922A (zh) | 基于路径拥塞度灰色预测的拥塞控制方法及系统 | |
WO2015026746A1 (en) | Method & implementation of zero overhead rate controlled (zorc) information transmission via digital communication link | |
WO2016072836A1 (en) | A method for tcp congestion in multi-hop wireless network | |
CN114501542A (zh) | 基于mptcp耦合的自适应带宽估计方法及系统 | |
JP3548005B2 (ja) | フロー制御方法及びフロー制御装置 | |
Koyama et al. | Slow start algorithm for mobile broadband networks including delay unrelated to network congestion | |
Vyakaranal et al. | Performance evaluation of TCP using AQM schemes for congestion control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |